Uutiset

Rakentamisessa laatuhavainnot ovat oppimisen käyttämätön voimavara

Oppiminen-title.jpg

Building 2030 -konsortion Dataan pohjautuva organisaatioiden oppiminen -hankkeen helmikuun 2021 työpaja paneutui tapoihin kerätä, luokitella ja analysoida rakentamisen laatudataa. Osallistujat pohtivat lisäksi kerätyn datan käyttöä oppimisen välineenä, erityisesti tahtituotannossa. Oppiminen kannattaa, sillä virheiden korjaamisen osuus hankkeen kokonaiskustannuksista on suuri, eri lähteiden mukaan viidestä jopa 20 prosenttiin.

Rakentamisessa on käytössä useita laadunhallinnan työkaluja, jotka tuottavat hyödyllistä laatudataa. Useimmiten tieto välittyy kuitenkin vain välittömästi tietyn asennuksen osapuolille. Suunnittelun laatudatan suhteen tilanne ei ole yhtään parempi.

Tieto jää projektin sisäiseksi eikä edistä oppimista projektien tai tiimien kesken. Datan analysointi jatkuvan parantamisen hengessä on sekin harvinaista. Laatudatan standardit ja yhteiset kattavat laatutietokannat uupuvat niin ikään. Näistä syistä samat ongelmat toistuvat vuodesta ja projektista toiseen ja hyvät ratkaisut keksitään aina uudestaan.

Oppia meiltä ja maailmalta

Juho Kerttula esitteli työpajassa muiden toimialojen ja kansainvälisten laatupankkien kartoitustaan. Hänen tarkoituksenaan on rakentamisen lisäksi ammentaa oppia mm. laivanrakennuksen, terveydenhuollon, konepajateollisuuden ja IT-alan tavoista tallentaa ja jakaa laatutietoa.

Kotimainen rakennusalan ratkaisu on FISE Oy:n ylläpitämä julkinen tietokanta, rakennusvirhepankki. Pankki sisältää anonyymejä rakennusvirheselostuksia ja -kortteja, jotka asiantuntijaryhmä on suodattanut ja toimittanut vastaanottamistaan virheilmoituksista. Kerttulan mukaan pankki kuvaa pitkälle edenneitä tapauksia ja aineiston päivitystahti on melko verkkainen. Sen sisältö toimii kuitenkin esimerkkinä laatutiedon jäsennyksestä ja esitystavasta.

Muilta toimialoilta Kerttula mainitsi mm. HaiPron, joka on potilas- ja asiakasturvallisuutta vaarantavien tapahtumien raportointimenettely ja tietotekninen työkalu. Se on tarkoitettu terveydenhuollon yksiköiden kehittämiseen havaintojen pohjalta. IT-kehittäjille on tuttu Linus Torvaldsin kehittämä Git, joka on avoin ja hajautettu ohjelmistoversioiden hallintajärjestelmä.

Analysoituaan eri toimialojen laaturekistereitä Kerttula piti niitä onnistuneina esimerkkeinä, joista rakennusalakin voi ottaa oppia. Laaturekisteri tarvitsee sitä ohjaavan ja kehittävän organisaation sekä rahoitusta ja pitkäaikaista sitoutumista. Kerttula suositteli käyttöönottoa vaiheittain, pilottien kautta. Datan anonyymius on hänen mukaansa oleellista, jotta tieto ei mahdollisesti vahingoita sitä jakavaa yritystä. Lisäksi datan tulee olla muodoltaan vakioitua, valittuja nimikkeistöjä hyödyntävää. Asiakkaalle laatutiedon pitää olla ymmärrettävää ja helposti saavutettavaa.

Laatuhavainnoista oppiminen kattaa koko elinkaaren

Professori Antti Peltokorpi raportoi Laatuhavainnoista oppiminen -tutkimuksen etenemisestä. Lähtökohtana ovat haastattelut, joita tutkijat ovat tehneet pääurakoitsijoiden, suunnittelijoiden, rautakauppojen ja IT-yritysten kanssa. Haastattelujen tarkoituksena on ollut ymmärtää laadun olemusta eri toimijoiden näkökulmista ja selvittää laatuhavaintojen toivottua sisältöä ja niistä oppimista.

Tutkimuksen valossa on selvää, että laatuhavaintoja syntyy koko rakennuksen elinkaaren aikana. Havainnot kohdistuvat useimmiten joko käsillä olevaan prosessiin tai sitä edeltävän vaiheen toimitustapahtumaan. Prosessihavainnot johtavat yleensä korjaukseen, mutta tieto niistä ei välity eteenpäin. Toimitusten ja luovutusten tieto taas dokumentoituu jaettavaksi, mutta ei johda oppimiseen.

Laatujohtamisen-tasot.001.jpeg

Käsitys laadusta ja laatupoikkeamien luokittelusta vaihtelee vaiheen ja osapuolen mukaan. Suunnittelussa oleellisia tarkastelukulmia ovat ratkaisun toiminnallisuus ja tekniset ominaisuudet. Työmaalle tärkeitä laatukriteereitä ovat suunnitelmatiedon kattavuus ja rakennettavuus.  ”Hankkeen nollavirheluovutus vaatii suunnitelmien nollavirheluovutuksen”, oli eräs haastateltava todennut.

Suunnittelun laadun parantamiseen on useita keinoja. Tärkeää olisi saada työmaalta, tilaajilta ja käyttäjiltä tietoa nykyistä kattavammin ja systemaattisemmin. Erilaiset digitaaliset työkalut ja pilvipalvelut auttavat tässä tehtävässä. Niillä pystyttäisiin havainnot myös linkittämään suunnitelmamalleihin ja niiden objekteihin. Laatuhavaintojen ei pidä olla vain ongelmakohdista; myös onnistuneista ratkaisuista on syytä raportoida.

Laatupalauteketjut rakentamisesta käyttöön ja ylläpitoon

Hankintoihin liittyvät laatukysymykset vaihtelevat urakkarajoista ja -tehtävistä urakoitsijoiden valintaan ja tuotteiden soveltuvuuteen. Tällä hetkellä tuotteiden ”laatupankki” on urakoitsijoiden ja reklamaatioista huolehtivien päässä.

Työmaalla laatuhavaintojen tekeminen ja kirjaus on erilaisten mittausten, katselmusten ja luovutusten suhteen jo vakiintunutta. Vähemmälle huomiolle jäävät esim. toteutuksen vastaavuus suunnitelmiin, aikataulun laatu ja henkilöiden perehdytys tehtäviin. Havaintojen luokitteluun tutkimus ehdottaa kolmea tekijää: poikkeaman tyyppi, syyluokka ja syyorganisaatio.

Havainnoista oppimisen keinona juurisyyanalyysille olisi varattava aikaa. Lisäksi virheen kustannusvaikutuksen arviointi olisi hyvä kannustin aktiiviselle oppimiselle. Organisaatio- ja projektirajat ylittävä laatutietopankki olisi tutkimuksessa haastatelluille mieleen. Lisäksi tulisi laatia case-esimerkkejä syys-seuraussuhteiden ymmärtämiseksi.

Käytön ja ylläpidon laatuhavainnot eivät nykyisin välity suunnittelijoille ja rakentajille. Ei ole myöskään systematiikkaa tuotteisiin liittyvien ongelmien raportointiin kaupalle ja valmistajille. Kaksivuotistakuutarkastus voisi olla hyvä ajankohta yleiselle palautekeskustelulle, jos kaikki projektin osapuolet ovat mukana. Takuuajan puutteet ja loppuraportti tulisi jakaa samaten kaikille hankkeeseen osallistuneille.

Oppiminen-1.jpg

Tekoäly laatupoikkeamien tunnistamisessa

Työmailla on yhä tavallisempaa kirjata laatuhavaintoja valokuvina. Yleensä valokuvat täydentävät laatusovellukseen kirjattuja havaintoja. Joillakin työmailla on lisäksi käytössä drone-, nosturi- ja kypäräkameroita valmiusaste- ja laatutiedon videotallennukseen. Uusin tulokas on kameroilla varustettu robottikoira, joka pystyy liikkumaan työmaalla ihmisen tapaan vaikka päivittäin, esteitä väistellen ja portaita kiipeillen.

Kuvallisen datan määrä tulee kasvamaan mittoihin, joissa ihmisten käyttö datan luokitteluun ja analysointiin tulee käytännössä mahdottomaksi. Antti Aikala kertoi Recap-tutkimushankkeen tulosten valossa tekoälyn hyödyntämisestä laatudatan luokitteluun. Esimerkkeinä hän esitteli raudoituksen vertailua suunnitelmiin ja listoitustyön laadun arviointia, jota Petr Byshev oli hankkeessa tehnyt.

Aikalan mukaan rakennusalan valmiita koneoppimisen pohjamalleja ja opetusaineistoja ei ole vielä saatavilla. Varsinkin huonon laadun esimerkit uupuvat. Silti varsin suppealla neuroverkon opetusaineistolla tutkijat pääsivät 85 prosentin tarkkuuteen listoitusvirheiden osalta. Raudoitusten arvioinnissa käytetty algoritmipohjainen, deterministinen konenäkö toimi sekin hyvin.

Automaattinen kuvien tunnistus mahdollistaa nopean reagoinnin laatupoikkeamiin, jolloin kalliilta korjauksilta ja uudelleen tekemiseltä vältytään. Automatiikka yhdenmukaistaa laatukriteerit, mikä tukee osaltaan oppimista.

spot-stairs-aalto.jpg

Organisaation oppiminen tahtituotannossa

Joonas Lehtovaara ja Toni Ahonen esittelivät lopuksi Organisaatioiden dataan pohjautuva oppiminen & tahtituotanto -hanketta. Lehtovaara totesi, että tahtituotannon tutkimus ja kehitys on tähän mennessä keskittynyt projektitoimintaan. Tämä tutkimushanke selvittää yritys- että toimialatason oppimista dataan perustuen. Hankkeeseen sisältyy neljä case-osuutta ja kansainvälistä vertailua.

Ahosen käynnissä oleva diplomityö YIT:n infayksikössä keskittyy jatkuvaan oppimiseen datan avulla. Hänen mukaansa rakennusprojekteissa usein keksitään pyörä uudestaan huolimatta siitä, että dataa aiemmista hankkeista olisi jo melko kattavasti saatavilla. Ahonen haluaa luoda prosessimallin datan jalostamiseksi tiedoksi ja sen jalkauttamiseksi tuottavuutta parantaen ja läpimenoaikaa lyhentäen.

Rakentamisen ja rakennuksen koko elinkaaren laatudataa syntyy kiihtyvällä tahdilla lisää. Sen hyödyntäminen oppimiseen on työpajan puheenvuorojen perusteella edelleen puutteellista, mutta yhteiset tietokannat, prosessiautomaatio ja tulevaisuudessa tekoäly tulevat tässä avuksi. Teknologiaa suurempi haaste on käyttäytymisen muutos, mutta sekin varmasti etenee, kun oppimisen hyödyt konkretisoituvat ajan ja rahan säästöinä.

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

Särkyvää-keramiikka näyttely EMMA-museossa toukokuu2021_elokuu2022_kuva_Ari KArttunen_EMMA_2021
Yhteistyö, Tutkimus ja taide Julkaistu:

Keramiikka haastaa ajattelemaan EMMA-museossa

Juuri avautunut näyttely pohtii ihmisen suhdetta keramiikkaan, saveen ja ympäristöönsä.
Vertailu ihmisen ja tekoälymallin näppäilystä
Mediatiedotteet Julkaistu:

Tekoäly oppi kirjoittamaan puhelimella ihmisen tavoin

Tutkijat kehittivät tekoälymallin, joka osaa ennakoida ihmisten silmien ja sormien liikkeet kosketusnäytöllä. Mallin pohjalta voidaan kehittää muun muassa parempia tekstinsyöttöohjelmia ja näppäimistöjä erilaisten käyttäjien tarpeisiin.
Sameassa kuvassa näkyy ihmisiä ylittämässä katua Helsingissä.
Mediatiedotteet Julkaistu:

Matala koulutustaso on selkein yhteinen tekijä maksuhäiriömerkintöjen takana

Maksuhäiriömerkintöjä on keskimääräistä useammin myös lapsiperheillä ja äskettäin eronneilla, ja niiden kasaantuminen on yleistä erityisesti nuorilla ja luottokortti- ja osamaksuvelkaisilla, tuore tutkimus osoittaa.
A photo of Katri Seitsonen
Nimitykset Julkaistu:

Katri Seitsonen aloitti tietoasiantuntijana tutkimuspalveluissa

Katri Seitsonen työskentelee Avoin tiede ja ACRIS -tiimissä.